python聚类 python聚类分析

python的两种聚类方法及其所用函数

Python中有两种常见的聚类方法：K-Means聚类和层次聚类。

K-Means聚类是一种有监督学习算法，用于将数据集分为K个簇。它使用距离度量来将数据点分配到最近的簇中心，并不断迭代更新簇中心和数据点分配，直到收敛。

K-Means聚类的函数是`sklearn.cluster.KMeans`。

示例代码：

```python

from sklearn.cluster import KMeans

import numpy as np

# 生成随机数据集

X = np.random.rand(100, 2)

# 创建KMeans对象，指定簇数K=3

kmeans = KMeans(n_clusters=3)

# 训练模型，并进行聚类

kmeans.fit(X)

# 获取聚类结果

labels = kmeans.labels_

centers = kmeans.cluster_centers_

```

层次聚类是一种无监督学习算法，用于将数据集分层为多个簇。它使用距离度量来将数据点分配到最近的簇，并不断迭代合并簇，直到所有数据点都被分配到同一个簇中。

层次聚类的函数是`scipy.cluster.hierarchy.linkage`和`scipy.cluster.hierarchy.dendrogram`。

示例代码：

```python

from scipy.cluster.hierarchy import linkage, dendrogram

import numpy as np

# 生成随机数据集

X = np.random.rand(100, 2)

# 创建linkage对象，指定距离度量方式为欧几里得距离，并指定簇数K=3

Z = linkage(X, 'single', 'complete')

# 创建dendrogram对象，绘制层次聚类结果

dendrogram(Z)

```